Более экологичное будущее благодаря искусственному интеллекту и Ultralytics YOLO

‍TrashBestie — это новое приложение, которое помогает нам сортировать отходы и управлять ими по-другому и лучше, используя компьютерное зрение. TrashBestie использует глубокое обучение и передовые технологии, чтобы помочь людям предпринимать действия для того, чтобы сделать планету чище и устойчивее.

Команда TrashBestie видит будущее, в котором отходы больше не являются неприятностью, а возможностью для позитивных изменений. Сортировка отходов важна для защиты окружающей среды, экономии ресурсов и сокращения загрязнения. Имея это в виду, TrashBestie стал цифровым решением, которое позволяет людям без труда принимать обоснованные решения по управлению отходами. Цель ясна: вдохновить коллективное движение к ответственному управлению отходами и способствовать созданию более чистой планеты для будущих поколений.

Познакомьтесь с командой TrashBestie

Прежде чем мы углубимся в инновационные технологии, лежащие в основе TrashBestie, давайте познакомимся с ее создателями:

• Хельге Рёллеке: Имея опыт в сфере продаж медицинских услуг, Хельге перешел в науку о данных и провел новаторские исследования эффективности компании и вознаграждения руководителей. Он также является энтузиастом грибов и открыт для новых возможностей в области науки о данных.
  ‍
• My: Специалист по данным и Frontend-разработчик, который сочетает навыки для решения сложных задач и создания удобных веб-приложений.
  ‍
• Симантини Шинде: Младший специалист по данным с опытом в области анализа данных, машинного обучения и многого другого. Симантини является убежденным сторонником разработки с открытым исходным кодом, постоянно изучает новые технологии и стремится к сбалансированному, устойчивому образу жизни.
  

Путь к машинному обучению и Vision AI

Хельге начал изучать машинное обучение во время работы над магистерской диссертацией, исследуя связь между зарплатой менеджера и успехом компании. Для этого использовались регрессионные модели и методы машинного обучения. Хельге смог глубже погрузиться в мир искусственного интеллекта в Spiced Academy's Bootcamp. Здесь он экспериментировал с глубоким обучением и определил полезность моделей Ultralytics YOLO .

My был друг, который поделился своими проектами по науке о данных, что вызвало у нее интерес к машинному обучению. То, как данные могут раскрывать идеи и оптимизировать процессы, очаровало ее. Вот почему она присоединилась к Bootcamp, где познакомилась с Симантини и Хельге.

Симантини начала изучать машинное обучение во время работы над своей магистерской диссертацией. Она обнаружила его потенциал в своей области работы, которая включает оценку повреждений зданий, вызванных землетрясениями. После окончания учебы Симанти занимала разные должности, связанные с данными. Эти должности в конечном итоге привели ее в Bootcamp по науке о данных и вызвали ее интерес к ML и Vision AI.

Выбор Ultralytics YOLO для TrashBestie

Использование TrashBestie Ultralytics YOLOv8 в качестве основного инструмента является стратегическим.

• Удобство для пользователя: поскольку YOLOv8 имеет открытый исходный код и прост в использовании, он был очень доступен для команды.
  ‍
• Точность: YOLOv8 обеспечил более высокую точность, особенно в показателях точности.
  ‍
• Гибкость: Команда смогла легко интегрировать YOLOv8 с Roboflow, улучшив свой рабочий процесс.
  

Как работает TrashBestie?

TrashBestie работает как личный помощник по сортировке отходов, используя искусственный интеллект, чтобы упростить процесс до четырех простых шагов:

1. Обнаружение с помощью камеры. Используйте камеру своего устройства, чтобы сделать снимок предмета отходов, способ утилизации которого вы не знаете.
   ‍
2. Мгновенное распознавание. Благодаря технологии распознавания изображений YOLOv8, приложение может быстро анализировать изображения и определять различные типы отходов.
   ‍
3. Образовательные сведения. TrashBestie не останавливается на рекомендациях. Этот инструмент предоставляет пользователям образовательные сведения, чтобы понять предлагаемые методы утилизации отходов. В свою очередь, это способствует долгосрочному обучению и сознательному отношению к утилизации отходов.
   ‍
4. Простота использования и доступность. Приложение удобно в использовании и доступно для всех, что делает экологически ответственную сортировку отходов доступной для любого пользователя устройства на базе Android .

Попробуйте сами

Создание TrashBestie

Процесс разработки TrashBestie включает в себя несколько важных этапов:

1. Маркировка и аннотирование. Изображения тщательно маркируются и аннотируются с помощью таких инструментов, как Roboflow , чтобы создать надежный набор данных для обучения.
   ‍
2. Экспорт набора данных. После экспорта размеченного набора данных, он готов к обучению модели обнаружения объектов.
   ‍
3. Обучение с помощью YOLOv8. Модель YOLOv8 обучается на экспортированном наборе данных, уделяя особое внимание тонкой настройке ее параметров для повышения точности обнаружения объектов.
   ‍
4. Развертывание Streamlit. Модель YOLOv8 интегрирована в приложение Streamlit, что обеспечивает эффективное и точное обнаружение объектов. Это приложение размещено на GitHub и использует YOLOv8 и Streamlit для обнаружения и отслеживания объектов.
   

Будущее TrashBestie

TrashBestie продолжает совершенствоваться, добавляя локализацию, делая приложение более доступным на iOS и Android, а также совершенствуя методы обработки изображений. Команда стремится постоянно повышать производительность и точность приложения.

Ознакомьтесь с их проектом на Devpost, который включает в себя галерею изображений и видео на YouTube, демонстрирующее детали их работы.

TrashBestie стремится совершить революцию в управлении отходами и сделать нашу планету чище и устойчивее. Это первый шаг в будущее, который может даже революционизировать концепцию карьеры в сфере управления отходами. Присоединяйтесь к ним в этом захватывающем путешествии к более экологичному будущему!

Свяжитесь с командой TrashBestie:

Helge: LinkedIn, GitHub

Simantini: LinkedIn, GitHub, Medium

My: LinkedIn